面向數(shù)字圖書館的個(gè)性化推薦算法研究.pdf

1、近年來，隨著數(shù)字化圖書館的不斷發(fā)展與普及，其資源越來越豐富，信息量越來越大。人們?cè)谙硎軘?shù)字圖書館帶來的方便與快捷的同時(shí)，也深受其因信息的海量存儲(chǔ)所帶來的困擾。擁有海量信息的數(shù)字化圖書館不僅需要響應(yīng)用戶的請(qǐng)求，更應(yīng)該主動(dòng)地向用戶推送信息資源。而個(gè)性化推薦技術(shù)就是研究如何向用戶主動(dòng)提供用戶感興趣的信息的一門技術(shù)，它是當(dāng)前研究的熱點(diǎn)，也是本文的主要內(nèi)容。數(shù)字圖書館的個(gè)性化推薦服務(wù)是一種以用戶需求為中心，主動(dòng)分析用戶的興趣愛好，進(jìn)而智能高效地為

2、用戶找到感興趣的信息的服務(wù)。在眾多的個(gè)性化推薦算法中協(xié)同過濾推薦算法是當(dāng)前應(yīng)用最廣泛的推薦技術(shù)之一，其核心思想可理解為“如果與我同興趣的用戶喜歡這本書，那么我也很有可能喜歡它”。然而，數(shù)據(jù)稀疏問題普遍存在于實(shí)際推薦系統(tǒng)中，并且受到眾多研究者的關(guān)注。在實(shí)際系統(tǒng)中，項(xiàng)目數(shù)量十分龐大，然而用戶給予評(píng)分的項(xiàng)目數(shù)量大約僅占項(xiàng)目總數(shù)的1％。由此導(dǎo)致用戶評(píng)分矩陣的極度稀疏，進(jìn)而影響最終推薦結(jié)果的準(zhǔn)確率。這就是所謂的數(shù)據(jù)稀疏問題。該問題也普遍存在于在數(shù)

3、字圖書館的推薦系統(tǒng)中。本文主要研究如何在數(shù)據(jù)稀疏情況下提高推薦結(jié)果的準(zhǔn)確率，以更好的將協(xié)同推薦技術(shù)應(yīng)用到數(shù)字圖書館的個(gè)性化推薦服務(wù)中。主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　 ⑴提出一種基于最近鄰用戶動(dòng)態(tài)重排序的相似度算法。在數(shù)據(jù)稀疏情況下充分利用項(xiàng)目類別信息，根據(jù)不同的目標(biāo)項(xiàng)目動(dòng)態(tài)調(diào)整鄰居集內(nèi)用戶權(quán)重；并提出修正的重疊度因子彌補(bǔ)現(xiàn)有方法中手動(dòng)調(diào)整參數(shù)的不足。試驗(yàn)表明，該算法在數(shù)據(jù)稀疏時(shí)能夠有效提高推薦結(jié)果的準(zhǔn)確率。
　　 ⑵提